课程文献中心 更多>>

关键词： 类脑计算   专利分析   自主知识产权  

摘要： 随着 ChatGPT、GPT-4 等应用和研究的不断深入，以及国内类 ChatGPT 等产品的发布，类脑计算的研究将进入前所 未有的高速发展期，将会成为人工智能领域专利申请的热点之一。本文通过分析类脑计算的专利申请数据、重点专利，确定我国 在类脑计算领域专利布局的特点，给出类脑计算自主知识产权发展的建议。

关键词： 类脑处理器   片上网络   异步电路   全局异步局部同步   脉冲神经网络  

摘要： 类脑处理器较深度学习处理器具有能效优势.类脑处理器的片上互连一般采用具有可扩展性高、吞吐量高和通用性高等特点的片上网络.为了解决采用同步片上网络面临的全局时钟树时序难以收敛的问题以及采用异步片上网络面临的链路延迟匹配、缺乏电子设计自动化工具实现和验证的问题,提出了一种异步片上网络架构——NosralC,用于构建全局异步局部同步(global asynchronous local synchronous,GALS)的多核类脑处理器.NosralC采用异步链路和同步路由器实现.实验表明,NosralC较同步基线,在4个类脑应用数据集下展现出37.5%~38.9%的功耗降低、5.5%~8.0%的平均延迟降低和36.7%~47.6%的能效提升,同时增加不多于6%的额外资源以及带来较小的性能开销(吞吐量降低0.8%~2.4%).NosralC在现场可编程门阵列(FPGA)上得到了验证,证明了该架构的可实现性.

关键词： 类脑计算   神经形态芯片   神经形态计算   脉冲神经网络   功能测试   性能测试  

摘要： 介绍了神经形态芯片的发展现状和测试难点,重点研究了神经形态芯片关键指标的测试原理和测试方法,包含集成规模、功能和性能等,通过所研究的测试前置条件和测试方法,为制定通用的基准测试套件提供参考。

关键词： 闪存   脉冲卷积神经网络   模拟神经元电路   位线箝位   高速读出   固定泄放阈值电压  

摘要： 该文面向基于闪存(Flash)的脉冲卷积神经网络(SCNN)提出一种积分发放(IF)型模拟神经元电路,该电路实现了位线电压箝位、电流读出减法和积分发放功能。为解决低电流读出速度较慢的问题,该文设计一种通过增加旁路电流大幅提高电流读出范围和读出速度的方法;针对传统模拟神经元复位方案造成的阵列信息丢失问题,提出一种固定泄放阈值电压的脉冲神经元复位方案,提高了阵列电流信息的完整性和神经网络的精度。基于55 nm互补金属氧化物半导体(CMOS)工艺对电路进行设计并流片。后仿结果表明,在20 μA电流输出时,读出速度提高了100%,在0 μA电流输出时,读出速度提升了263.6%,神经元电路工作状态良好。测试结果表明,在0~20 μA电流输出范围内,箝位电压误差小于0.2 mV,波动范围小于0.4 mV,电流读出减法线性度可达到99.9%。为了研究所提模拟神经元电路的性能,分别通过LeNet和AlexNet对MNIST和CIFAR-10数据集进行识别准确率测试,结果表明,神经网络识别准确率分别提升了1.4%和38.8%。

ISBN: (纸本)9787522515700

摘要： 本书第一章详细阐述了类脑模型的构建方式及理论基础, 通过对大脑各模块的模拟和整体协同, 来达到与人类大脑基本相同的运作模式和后台架构。第二章对类脑模型的优势进行了概括性的阐述, 以避免繁复的陈述淹没了设计的初衷。第三章探索性地讨论了可能的应用场景以及对人类社会带来的可能影响。

ISBN: (纸本)9787122420794

摘要： 本书将人工智能与人类智慧深度融合, 系统、全面地介绍了类脑智能目标检测网络的构建原理、方法、过程, 具有较高的学术价值; 同时, 本书将所构建的类脑智能目标检测网络在无人车交通标志检测、无人车-机械臂协同作业这两个场景进行了示范应用, 具有较大的工程应用价值。

关键词： 脉冲神经网络   视觉显著性   侧抑制机制   图像识别   目标检测  

摘要： 脉冲神经网络(Spiking Neural Network,SNN)以脉冲神经元为基本组成单位,能够以较低的能耗表达更丰富的信息,并具有更强的计算能力,被视为第三代人工神经网络。目前SNN网络的相关研究受到越来越多的重视,如脉冲编码方案、网络结构优化等,不同的模型和算法也相继被提出。但是,由于其内在机制等问题,SNN在模式识别任务上的性能远没有达到能与生物视觉系统竞争的水平,并且在图像识别中常伴随模式混叠问题。另外,如何针对SNN设计高效的学习算法、采取何种拓扑结构更为有效,以及在更复杂的视觉任务上(如目标检测)的应用,仍是该研究领域的重要问题。生物视觉系统的信息处理机制是突破计算机视觉发展瓶颈的关键。传统人工神经网络大多专注于注意力机制的研究,若要达到与视觉系统相当的水平,还需结合更多合适的视觉机制以提升网络性能。鉴于以上原因,本文从提升模型性能的角度,以模拟大脑视觉系统工作机制为出发点,开展基于视觉机制的SNN模型及应用的研究。研究内容概述如下:1.针对SNN对输入模式的特征提取能力存在不足,提出一种基于视觉显著性的SNN网络,以及两种脉冲时间编码方案。同时,采用果蝇演化算法对SNN网络的结构进行优化以提高SNN的识别性能。通过在不同类型的图像数据集上验证所提出方法的性能,实验结果表明并且结合显著性计算和果蝇算法优化后的SNN可以提高识别准确率。2.针对SNN在多分类任务上表现不佳以及出现模式混叠的情况,提出基于视觉侧抑制的集成无监督深层SNN模型。通过在多个数据集上进行测试,实验结果表明所提出的模型可对不同类型的图像识别任务得出正确的识别结果。3.针对视觉侧抑制计算的不足以及神经元多样性问题,提出一种结合自适应侧抑制的并行卷积SNN模型。通过在静态数据集与神经形态数据集上验证所提出方法的有效性,并将其应用于乳腺肿瘤的识别。4.针对SNN在目标检测任务上无法直接利用反向传播算法训练的问题,提出融合视觉显著性的SNN目标检测网络。该网络以YOLO框架为载体,采用DNN到SNN的转换方式训练网络参数,在避免梯度下降算法无法直接训练SNN的同时保持网络的检测性能,模型融合特征金字塔与视觉显著性计算提升网络目标检测的精度。通过在乳腺肿瘤检测任务上进行实验验证,实验表明基于SNN的目标检测网络可获得相对较优的检测结果。

关键词： 铁电忆阻器   La:HfO2   人工突触   脉冲神经网络   联想学习  

摘要： 随着信息容量呈指数增长,具有非易失性、高存储能力、耐高温、且实现类脑学习能力的铁电忆阻器备受关注。然而,基于传统钙钛矿铁电薄膜,组分复杂且与硅工艺不兼容等,因此制约了其应用领域。铪基铁电材料与硅基半导体工艺良好的兼容性和可扩展性,使其成为新一代铁电忆阻器最具应用潜力的候选材料之一。本文通过优化La:Hf O(HLO)铁电忆阻器的薄膜制备参数,实现了晶畴匹配外延HLO薄膜的生长,研究了HLO铁电忆阻器多层存储特性以及在高温环境的电学特性,构建了基于多阻态HLO铁电忆阻器的脉冲神经网络电路,并实现数字模型训练学习,探索了基于人工突触HLO铁电忆阻器在联想学习电路中的应用潜力,主要内容如下:一、HLO铁电薄膜的生长参数优化及微结构表征。通过采用脉冲激光沉积技术在以LaSrMn O为底电极和Sr Ti O为缓冲层的硅衬底上生长HLO铁电薄膜,系统地研究了生长温度对铁电性能和薄膜结晶质量的影响。借助透射电子显微镜(Transmission Electron Microscope,TEM)技术表征薄膜厚度和结晶度。在高分辨TEM图像上观测到HLO铁电薄膜的晶畴匹配外延结构。为制备高质量HLO铁电忆阻器提供基础。二、HLO铁电忆阻器的电学特性研究。利用磁控溅射系统在HLO薄膜上沉积顶电极Pd制备铁电忆阻器,研究了HLO铁电忆阻器的开关特性、脉冲调控以及应用于突触可塑性的潜力。通过将HLO铁电忆阻器分别在室温(25℃)和高温(85℃)进行电学表征。结果显示,器件电流-电压的重复性和均一性良好。在两个温度下,器件的耐久性可达10次循环。并展现出32个电阻态可在10 s时间内稳定保持的特性,波动率均小于2.5%。该器件可以模拟突触行为,实现了高精度(128个电导变换状态)、可重复性(20圈,周期与周期之间的变化～4.7%)和线性的长期可塑性。三、基于HLO铁电忆阻器应用于脉冲神经网络电路与联想学习电路的潜力。首先,我们建立了一个脉冲神经网络电路,并对数字模型0～9进行训练。通过计算可得,其数字的精确率达95%,这表明该器件在人工智能领域具有应用潜力。其次,HLO忆阻器可实现突触可塑性的研究,如,短期记忆到长期记忆的转换,尖峰时序依赖可塑性和双脉冲易化等。基于人工突触HLO器件构建了联想学习电路,实现了基于HLO铁电忆阻器的生物联想学习行为。因此,该研究有助于HLO铁电忆阻器在高精度和强大的人工智能芯片等领域的发展。

关键词： 脉冲神经网络   脑机接口   数据增强   神经解码  

摘要： 在脑机接口应用中,获取足够的神经信号数据来训练神经解码器是一项困难和昂贵的任务。因此,本研究旨在提出一种新型的数据生成方法,该方法可以利用原始神经信息的神经动力学生成具有相似群体神经动力学的脉冲序列,这些脉冲序列可作为额外数据用于训练神经解码器。 我们的数据生成方法基于脉冲神经网络,能够通过监督式学习的方式生成具有相似动力学特性的数据。我们通过使用多种神经解码器进行验证,发现只需要部分,甚至是少部分原始数据,结合上我们生成的具有相似动力学的脉冲序列数据就能显著提升解码器的神经解码能力。我们认为这种方法不仅可以提高解码器的泛化能力,还为神经信息增强提供了一种新的思路。 本研究提出的基于脉冲神经网络的数据生成方法为脑机接口应用中的神经信息增强提供了一种新的思路,并为解决获取足够神经信号数据的问题提供了一个可行的方案。

关键词： 脉冲控制   神经网络   同步   随机扰动   欺诈攻击  

摘要： 复杂网络作为描述自然、社会和工程等领域中个体间相互关系的普适模型,具有节点动力学行为复杂,网络结构随时间演化等重要特征.神经网络作为一类重要的复杂网络,起源于对人脑神经元自身活动及相互之间信息传递过程的模拟.其在解决信号传输干扰、通信过程受到网络攻击等问题中具有显著的应用,受到了来自数学、物理、信息等多个不同学科研究者的广泛关注,目前已成为网络科学的主要研究热点之一.本学位论文针对三类神经网络同步问题,以脉冲控制为基础提出了若干不连续控制策略(包括牵制脉冲控制、基于事件的脉冲控制等),并利用图论、稳定性理论、现代控制理论等对它们的同步问题进行了深入讨论.其主要研究内容如下: 首先基于牵制脉冲控制策略对受到外部扰动的时滞神经网络均方同步问题进行了深入研究.建立的网络模型除考虑系统内部时滞外还考虑了可能存在于控制过程的脉冲时滞,即控制指令发出与实际执行的时间间隔.在此引入了平均脉冲时滞(AID)来处理此种时滞.基于Lyapunov稳定性理论及Fubini定理,给出了具有混合时变时滞神经网络的均方同步定理,并且比较了在设计控制器时是否考虑脉冲时滞对同步效果的影响.最后以2维时滞神经网络为例从数值上验证理论结果的正确性. 在第4章讨论了具有内部时滞的异质神经网络拟同步问题.由于所讨论的网络模型中还考虑到信息传输过程不可避免会出现时滞,这就导致基于事件的脉冲控制策略中事件激发条件产生的时间序列与实际脉冲序列并不一定相同.根据Lyapunov函数确定一个单调递减的限制函数,在此基础上设计基于事件的激发规则,给出了进一步缩短采样时间的非周期采样法下神经网络的同步准则.基于Lyapunov稳定性理论及比较原理,给出了具有内部时滞异质神经网络的拟同步定理,并且由于每两个相邻的激发时刻之间总存在着一个脉冲时刻,所以不会出现有限时间内无限次激发的情况,从而直接避免了Zeno行为的发生.最后以2维混沌神经网络为例验证控制策略和所得结果的有效性. 最后考虑到近年来网络安全问题形势越来越严峻,特别是由于信号传输过程中可能受到各种网络攻击.第5章致力于研究信息物理系统领域中受到欺诈攻击的神经网络安全同步问题.欺诈攻击是指受到攻击后,错误信号取代原本的信号被传递的现象.值得注意的是,无论是测量信号的传输过程还是控制信号的传输过程都可能发生欺诈攻击,因此分别对其仅存在于一种传输过程与同时存在于两种传输过程的情况进行讨论.利用稳定性定理、比较定理在所设计的自激发脉冲控制策略下证明了所考虑的神经网络可以达到安全同步,并分析了不会发生Zeno行为.最后给出数值例子来证明结果的可行性.